결정론적 네트워크 구조 복원을 위한 반복 푸리에 변환 기반 디노이징

초록

본 논문은 인접 행렬에 대해 전·후방 2차원 이산 푸리에 변환을 반복 적용하고, 실수와 주파수 영역에서 평균값 기반 임계값 처리를 수행하는 IterativeFT 알고리즘을 제안한다. Kautz, 격자, 트리, 완전 이분 그래프와 같은 결정론적 네트워크에 대해 노이즈와 엣지 절단이 동시에 존재하는 상황에서 기존 실수 임계값, 주파수 임계값, 저차원 재구성, LANS와 비교했을 때 F1 점수와 MSE 측면에서 전반적으로 우수한 성능을 보인다. 그러나 무작위적 구조를 가진 선호 연결망에서는 효과가 미미하며, 인공적인 엣지가 생성되는 한계도 존재한다.

상세 분석

IterativeFT는 인접 행렬 X에 대해 (1) 실수 영역에서 절대값이 평균 이하인 원소를 0으로 만드는 임계값 함수를 적용하고, (2) 그 결과에 2‑D 이산 푸리에 변환을 수행한 뒤 주파수 영역에서도 평균 크기 이하인 복소수 성분을 0으로 만든다. 이 과정을 실수와 주파수 영역 사이에서 교대로 반복하면서 실수 영역의 희소 패턴이 수렴할 때까지 진행한다. 논문은 푸리에 변환의 불확실성 원리를 인용해, 한 영역에서의 희소화가 다른 영역에서의 비희소화를 야기함으로써 비자명한 고정점을 찾는 메커니즘을 제시한다.

알고리즘은 매우 단순한 파라미터(최대 반복 횟수와 평균 기반 임계값)만을 필요로 하며, 별도의 하이퍼파라미터 튜닝이 없다는 점이 실용적이다. 실험에서는 108개의 정점으로 구성된 Kautz, 격자, 트리, 완전 이분 그래프와 108개의 정점 무작위 선호 연결망을 사용했으며, 각 모델에 대해 0.050.95의 절단 비율과 01의 가우시안 잡음 표준편차를 조합한 10번의 반복 실험을 수행했다.

결과는 Kautz와 격자 그래프에서 F1 점수와 MSE 모두에서 IterativeFT가 가장 높은 성능을 보였으며, 트리와 이분 그래프에서는 LANS가 높은 F1 점수를 기록하는 반면 IterativeFT는 MSE 측면에서 경쟁력을 유지했다. 선호 연결망에서는 구조적 규칙성이 부족해 IterativeFT가 거의 효과를 나타내지 못했다.

한계점으로는 (1) 실험에 사용된 네트워크 종류와 규모가 제한적이며, (2) 비교 대상 방법들의 파라미터가 고정돼 있어 최적화된 성능을 평가하지 못했다는 점, (3) IterativeFT가 특정 패턴(예: Kautz 행렬의 좌하단·우상단)에 인공적인 엣지를 생성하는 현상이 관찰되었다는 점을 들었다. 이러한 아티팩트는 푸리에 변환이 전역적인 스펙트럼 정보를 활용하기 때문에 국소적인 구조를 과도하게 보강하는 부작용으로 해석될 수 있다.

향후 연구 방향으로는 LANS와 같은 로컬 스파시피케이션 기법과의 앙상블, 다양한 네트워크 토폴로지와 크기에 대한 확장 실험, 다른 형태의 잡음(예: 이산적 오류) 적용, 그리고 이론적 수렴 분석 및 실제 네트워크(생물학적, 사회적)에의 적용 검증이 제시된다.